หัวข้อบทวิเคราะห์

ทั้งหมด 3 หน้า

AI
AI Summary

บทสรุปจาก AI อ้างอิงโดยบทวิเคราะห์

Kevin Warsh มีแนวโน้มนำ Trimmed Mean PCE มาใช้พิจารณาแทนการขึ้นดอกเบี้ยทันที ส่งผลให้ Yield curve เข้าสู่ภาวะ Bear Flattening ชั่วคราว

Yuanta CIO แนะนำ Overweight ตราสารทุน เน้น Semiconductor และ Software พร้อมกระจายความเสี่ยงผ่าน Dollar, Commodity และ Global Defense แทนตราสารหนี้ระยะยาว

ยุค Warsh: ระหว่าง Greenspan กับ Bernanke — และนัยต่อตลาดการเงินในเดือนมิถุนายน 2569

ในเดือนมิถุนายน 2569 ประเด็นที่ตลาดการเงินให้ความสนใจมากที่สุดประเด็นหนึ่งคือทิศทางของนโยบายการเงินภายใต้ Kevin Warsh ในฐานะประธานธนาคารกลางสหรัฐฯ คนใหม่ Yuanta CIO ประเมินว่าแนวทางของ Warsh อยู่ระหว่าง Alan Greenspan และ Ben Bernanke กล่าวคือยังคงมีการสื่อสารกับตลาดอยู่บ้าง แต่ไม่ถี่เท่ายุคทองของการสื่อสารในสมัย Powell โดยผลกระทบสำคัญที่สุดจะตกอยู่กับตลาดตราสารหนี้ทั้งภาครัฐและเอกชน ซึ่งในยุค Greenspan ที่มีการสื่อสารน้อยกว่านั้นพบว่าตราสารหนี้มีความผันผวนสูงกว่าในยุคปัจจุบัน

4 Warsh Problems: Probability and Rationale

Yuanta CIO ระบุว่า Warsh ต้องรักษาสมดุล 3 ด้านพร้อมกัน ได้แก่ ความสัมพันธ์กับทำเนียบขาวผ่านการไม่ขึ้นดอกเบี้ย ความเป็นกลางของธนาคารกลาง และการแก้ไขปัญหาเงินเฟ้อโดยไม่ขัดกับแนวคิดหลักของตัวเอง โดยแนวทางที่มีโอกาสเกิดขึ้นสูงที่สุดคือการนำ Trimmed Mean PCE เข้ามาร่วมพิจารณาควบคู่กัน ซึ่งช่วยแยกเงินเฟ้อจาก oil, tariff, war shock หรือ supply disruption ออกจากเงินเฟ้อที่กระจายกว้างทั้งระบบ โดยไม่ต้องเปลี่ยนเป้าเงินเฟ้อ 2% อย่างเป็นทางการ

สำหรับการสื่อสาร Yuanta CIO ประเมินว่า Warsh มีแนวโน้มลด forward guidance แบบเจาะจง (โอกาสสูง) และอาจลดจำนวน press conference หลังประชุมจาก 8 ครั้งเหลือ 4 ครั้ง (โอกาสกลาง) ขณะที่การยกเลิก dot plot และการสั่งให้กรรมการเฟดคนอื่นพูดน้อยลงมีโอกาสเกิดขึ้นต่ำ เนื่องจาก dot plot เป็นส่วนหนึ่งของ Summary of Economic Projections ที่ไม่ใช่สิ่งที่ประธานสั่งเลิกคนเดียวได้ง่าย นอกจากนี้การยืนยัน Fed independence และ data dependency มีโอกาสเกิดขึ้นสูง เพราะ Warsh ต้องลบภาพว่าเป็น "ประธานเฟดส่งตรงจากทำเนียบขาว"

ผลรวมของปัจจัยทั้งหมดนี้ทำให้ Yuanta CIO ประเมินว่า Yield curve โดยรวมจะเดินหน้าเข้าสู่ภาวะ Bear Flattening ชั่วคราว ซึ่งหมายความว่าผลตอบแทนพันธบัตรระยะสั้นจะปรับขึ้นเร็วกว่าระยะยาว และนักลงทุนที่ใช้การขึ้นหรือลดดอกเบี้ยเป็นจุดตัดสินใจหลักมีแนวโน้มที่จะตัดสินใจผิดพลาด

 

Bear Flattening กับกลยุทธ์ตราสารหนี้: Carry First, Duration Later

ข้อมูลย้อนหลังของ Yuanta CIO ตั้งแต่ปี 1988 ถึง 2026 พบว่าในช่วง Bear Flattening ผลตอบแทนเฉลี่ยของ Global Fixed Income ในอีก 12 เดือนข้างหน้าอยู่เพียงประมาณ 0.8% ต่ำกว่าค่าเฉลี่ยระยะยาวอย่างชัดเจน สะท้อนว่า environment แบบนี้ไม่ใช่จังหวะที่เหมาะกับการไล่ซื้อ long duration เต็มพอร์ต เพราะ yield ยังมีโอกาสทรงตัวสูงหรือปรับขึ้นต่อได้

Yield Curve Regime Classification 10Y-2Y

Yuanta CIO จึงแนะนำกลยุทธ์ "Carry First, Duration Later" โดยเน้นการจัด portfolio ลักษณะ Defensive Barbell ที่เอียงไปทางด้าน Short-end และ Intermediate (3–5 ปี) เน้น short to intermediate duration, high quality credit และ carry income ขณะเดียวกันควรรักษาสภาพคล่องไว้บางส่วนเพื่อรอเพิ่ม duration เมื่อ yield ปรับขึ้นจนคุ้มความเสี่ยง หรือเมื่อเศรษฐกิจเริ่มส่งสัญญาณชะลอชัดพอที่จะทำให้ Fed กลับเข้าสู่วัฏจักรลดดอกเบี้ย

 

การกระจายความเสี่ยงยุคใหม่: ทิ้ง Playbook เดิม หันหา Dollar, Commodity และ Global Defense

Yuanta CIO วิเคราะห์ Correlation ของสินทรัพย์ประเภทต่าง ๆ ต่อตลาดหุ้นในช่วง Bear Flattening และจัดแบ่งออกเป็น 3 กลุ่ม โดยพบว่าการกระจายการลงทุนตาม Playbook ดั้งเดิมที่พึ่งพาตราสารหนี้ระยะยาวอาจไม่เหมาะสมสำหรับระยะที่ดอกเบี้ยยังยืนสูงต่อไป

Asset Class Correlation to Equities Bear Flattening

TIER 1 คือกลุ่มที่ใช้กระจายความเสี่ยงได้ดีในสภาวะปัจจุบัน ได้แก่ Dollar, WTI, Global Commodity และ Gold เนื่องจากสินทรัพย์เหล่านี้ยังไม่ได้สะท้อนภาพแบบเดียวกับในอดีตช่วงก่อนเกิดภาวะ Bear Flattening ทำให้เหมาะสำหรับผู้ที่ต้องการกระจายความเสี่ยงออกจากหุ้นโลก โดยมีข้อควรระวังว่าหากตลาดหุ้นโลกยังปรับตัวขึ้นต่อตามสมมติฐานของ Yuanta กลุ่มสินทรัพย์นี้จะเป็นตัวกดอัตราผลตอบแทนให้ลดลงตามลำดับ

TIER 2 คือกลุ่มที่กระจายได้บางส่วนแต่ไม่เต็มที่ 100% ได้แก่ US IG, Global Defend Sector, TIPS และ Private Credit โดยมี Correlation ระหว่าง 0.4–0.6 ทำให้ portfolio มีความผันผวนน้อยกว่าตลาดหุ้นโลกและยังมีโอกาสได้รับผลตอบแทนเมื่อหุ้นโลกปรับขึ้น จุดที่น่าสนใจเป็นพิเศษคือกลุ่ม Global Defend Sector เพราะ Correlation ใกล้เคียงกับตราสารหนี้แต่สามารถกระจายความเสี่ยงกรณีเกิด Geopolitics risks ได้ดีกว่า

TIER 3 คือกลุ่มที่ไม่ได้ช่วยกระจายความเสี่ยงในสภาวะนี้ ได้แก่ Global Fixed Income, Global REIT, DM/EM Equity และ US HY เพราะ Correlation อยู่ในระดับใกล้ 0.7 หรือสูงกว่า

 

ผลกระทบต่อสินทรัพย์การลงทุน

  • ตราสารหนี้ระยะยาว (Long Duration): ผลตอบแทนเฉลี่ยใน 12 เดือนข้างหน้าอยู่เพียงประมาณ 0.8% ในช่วง Bear Flattening — ไม่เหมาะสำหรับการไล่ซื้อเต็มพอร์ต
  • ตราสารหนี้ระยะสั้นถึงกลาง (3–5 ปี): เหมาะสำหรับการสร้าง carry income ในสภาวะที่ดอกเบี้ยไม่ลดเร็ว
  • ตราสารทุน (Equities): Yuanta CIO ยังคง Overweight โดยเน้นกลุ่มที่กำไรเติบโตได้และมีการปรับประมาณการขึ้น
  • Semiconductor และ Software: IGV, MSFT19, ORCL19 และ PLTR06 เป็นตัวอย่างที่ถูกระบุในรายงาน
  • Global Defense: DAOL-DEFENSE หรือ SHLD มีความสามารถกระจายความเสี่ยงในช่วง Yield สูงได้ดีกว่าตราสารหนี้
  • Dollar และ Commodity: แนะนำสัดส่วน 5–10% ควบคู่กับตราสารทุน ทดแทนตราสารหนี้ที่มีโอกาสถูกกดดันในช่วงต่อจากนี้
  • Global Fixed Income, Global REIT, US HY: Correlation สูงเกิน 0.7 ต่อตลาดหุ้น — ประสิทธิภาพในการกระจายความเสี่ยงต่ำในสภาวะ Bear Flattening

 

มุมมองการลงทุน

Yuanta CIO แนะนำให้นักลงทุน "Stay (Selective) Invest" โดยยังคง Overweight ตราสารทุนและเลือกลงทุนในกลุ่มที่กำไรยังเติบโตได้พร้อมมีการปรับประมาณการขึ้น อาทิ กลุ่ม Semiconductor และ Software บางตัว เช่น IGV, MSFT19, ORCL19 และ PLTR06 พร้อมกระจายการลงทุนเพิ่มเติมผ่านกองทุน DAOL-DEFENSE หรือ SHLD เพื่อรับมือกับ Geopolitics risks และสภาวะ Yield สูง สำหรับนักลงทุนที่ต้องการกระจายความเสี่ยงเพิ่มเติม Yuanta CIO แนะนำ Dollar และ Commodity ในสัดส่วน 5–10% ควบคู่กับตราสารทุน เพื่อทดแทนตราสารหนี้ระยะยาวที่มีโอกาสถูกกดดันในช่วงที่ดอกเบี้ยยังยืนสูง ทั้งนี้สำหรับตราสารทุนทั้งหมดแนะนำใช้กลยุทธ์ทยอยลงทุนเมื่อปรับฐานมากกว่าไล่ซื้อ

AI
AI Summary

บทสรุปจาก AI อ้างอิงโดยบทวิเคราะห์

Q2 EPS estimate ของ S&P 500 ถูกปรับขึ้น +2.5% แรงสุดตั้งแต่ 3Q21 ขณะที่ TrendForce ปรับตลาด Memory โลกปี 2026 ขึ้น +61.2% สู่ระดับ $889.3 พันล้านดอลลาร์ สะท้อน Agentic AI กำลังเปลี่ยนวัฏจักรเป็นการขยายตัวเชิงโครงสร้าง

Yuanta CIO แนะนำ Overweight Semiconductor, Memory (Micron), WFE equipment (KLA, AMAT, LRCX) และ AI Software (MSFT, ORCL, PLTR) โดยใช้กลยุทธ์ทยอยลงทุนเมื่อปรับฐาน

กำไร S&P 500 ไตรมาส 2 ปี 2569: Earnings Momentum ยังส่งผ่านไปข้างหน้า

ในเดือนมิถุนายน 2569 ข้อมูล FactSet ณ วันที่ 29 พฤษภาคม 2569 เผยให้เห็นสัญญาณที่น่าสนใจอย่างยิ่ง โดยอัตราการรายงานกำไร 1Q26 ของ S&P 500 ที่ดีกว่าคาดอยู่ที่ 82% พร้อมการเติบโต YoY ที่ 27.66% ยิ่งไปกว่านั้น Q2 EPS estimate กลับถูกปรับขึ้น +2.5% ในช่วงสองเดือนแรกของไตรมาส ซึ่งปกติแล้วค่าเฉลี่ยย้อนหลังมักถูกปรับลง โดยค่าเฉลี่ย 5 ปีอยู่ที่ -1.6%, 10 ปีที่ -2.2%, 15 ปีที่ -2.6% และ 20 ปีที่ -3.2% ดังนั้น +2.5% จึงเป็นการปรับขึ้นแรงสุดนับตั้งแต่ 3Q21 ที่ +3.8%

S&P 500 Quarterly EPS Change First Two Months

เรื่องราวจึงเปลี่ยนจาก "Q1 งบดีกว่าคาด" ไปเป็น "กำไรไตรมาสถัดไปถูกยกขึ้นต่อ" และยืนยันว่า earnings momentum ยังส่งผ่านไปข้างหน้า โดยแรงปรับขึ้นไม่ได้กระจายเท่ากันทุก sector กลุ่ม Energy ถูกปรับ Q2 EPS estimate ขึ้นแรงสุดที่ +59.2% ตามทิศทางราคาพลังงาน ขณะที่ Technology +5.6% และ Materials +5.4% ยังเป็นกลุ่มที่ถูกยกประมาณการขึ้นต่อ สอดคล้องกับธีม AI, semiconductor, memory และ commodity cycle ส่วน Health Care ถูกปรับลง -15.2% แย่สุดในทุก sector

S&P 500 Sector EPS Change 2Q26

 

Agentic AI: กลไกขับเคลื่อน Token Demand สู่ 120 Quadrillion ต่อเดือนในปี 2573

Jensen Huang ยืนยันว่า Agentic AI ได้มาถึงแล้ว และ Yuanta CIO อธิบายว่า AI แบบ Agent ทำงานต่อเนื่องและแยกงานออกเป็นหลายขั้นตอนคู่ขนาน เรียกใช้เครื่องมือซ้ำหลายรอบจนงานเสร็จ ทำให้ปริมาณ token ต่อหนึ่งงานสูงกว่า AI แบบถาม-ตอบเดิมหลายเท่า Goldman Sachs ประมาณการว่า token consumption ทั่วโลกจะเพิ่มขึ้นสู่ 120 quadrillion ต่อเดือนภายในปี 2030 เพิ่มขึ้น 24 เท่าจากปัจจุบัน โดย enterprise agents เป็นกลุ่มที่ใช้ token มากที่สุดด้วยสัดส่วนเกินครึ่งของทั้งหมด

Monthly Token Count Agentic AI 2024–2030

ความต้องการ token ที่พุ่งสูงผลักดันให้ inference workload เพิ่มขึ้นอย่างรวดเร็ว และ hyperscaler รายใหญ่ยืนยันว่ารายได้ AI ทุกหนึ่งดอลลาร์ต้องการ compute มากกว่ายุค cloud หลายเท่า ความต้องการกระจายไปทุกส่วนของ data center ทั้ง GPU, CPU สำหรับจัดการ workflow, HBM ที่ Micron ยืนยัน supply shortage ยาวเกิน 2026, optical networking สำหรับเชื่อม GPU cluster และ power infrastructure สำหรับรองรับ rack density ที่พุ่งจาก 10–20 kW ในยุค cloud สู่ 600 kW ในรุ่น Rubin Ultra ปี 2027 นอกจากนี้ KLA และ Applied Materials ยืนยันว่า WFE ปี 2027 จะเติบโตสูงกว่าปี 2026 โดยผู้บริหารระบุว่ามองเห็น visibility ของ demand ชัดเจนกว่าทุกครั้งที่ผ่านมา

 

Memory Supercycle: TrendForce ปรับประมาณการตลาดโลกปี 2026 ขึ้น +61.2%

TrendForce ปรับประมาณการตลาด Memory ขึ้นแรง สะท้อนว่า Agentic AI กำลังเปลี่ยน demand จากรอบวัฏจักรราคาเดิมไปเป็นการขยายตัวเชิงโครงสร้าง

2026 เดิม 2026 ใหม่ Change 2027 เดิม 2027 ใหม่ Change
Global Memory Market $551.6 bn $889.3 bn +61.2% $842.7 bn > $1.28 tn +51.9%
DRAM $404.3 bn $618.7 bn +53.0% $667.0 bn $903.3 bn +35.4%
NAND $147.3 bn $270.6 bn +83.7% N/A $379.4 bn N/A

Agentic AI Memory Market Forecast Table

สำหรับ DRAM ถูกปรับขึ้น 53.0% ในปี 2026 และ 35.4% ในปี 2027 จากแรงหนุน HBM, Server DRAM และการใช้ KV Cache ที่เพิ่มขึ้นใน AI inference ขณะที่ NAND เป็นอีกจุดที่ตลาดอาจประเมินต่ำเกินไป เพราะปี 2026 ถูกปรับขึ้นแรงสุดถึง +83.7% สะท้อนว่า SSD ประสิทธิภาพสูงเริ่มกลายเป็นส่วนสำคัญของ AI infrastructure ไม่ใช่แค่ storage ธรรมดาอีกต่อไป โดยเฉพาะเมื่อ HBM ยังมีต้นทุนสูงและ HDD ไม่เหมาะกับงาน AI Data Center ที่ต้องการความเร็วสูงแบบ real-time

สัญญาณยืนยันจากข้อมูลจริงมาจากการส่งออกเซมิคอนดักเตอร์เกาหลีใต้เดือนพฤษภาคม ซึ่งอยู่ที่ $37.16 bn ทำระดับ record high เติบโต 169.4% YoY และ 16.5% MoM โดยแรงขับหลักมาจาก Memory cycle ชัดเจน DRAM exports โต 369.8% YoY เป็น $18.6 bn, NAND exports โต 206.8% YoY เป็น $1.7 bn และ Computer exports โต 290.7% YoY เป็น $4.18 bn

 

ผลกระทบต่อสินทรัพย์การลงทุน

  • Semiconductor (Memory): Micron และ SK Hynix ได้รับแรงหนุนโดยตรงจาก HBM supply shortage และการขยายตัวของ DRAM/NAND เชิงโครงสร้างจาก Agentic AI
  • WFE Equipment: KLA, AMAT (Applied Materials) และ LRCX ยืนยัน visibility ของ demand ชัดเจน และ WFE ปี 2027 จะเติบโตสูงกว่าปี 2026
  • AI Software: MSFT19, ORCL19 และ PLTR06 อยู่ในกลุ่มที่ถูกระบุว่ากำไรยังเติบโตได้พร้อมการปรับประมาณการขึ้น
  • Technology Sector โดยรวม: Q2 EPS estimate ถูกปรับขึ้น +5.6% สอดคล้องกับธีม AI และ semiconductor
  • Health Care: ถูกปรับ Q2 EPS estimate ลง -15.2% แย่สุดในทุก sector — Yuanta CIO ไม่ได้ระบุมุมมองเชิงบวก
  • กองทุน IGV: ถูกระบุเป็นตัวอย่างในกลุ่ม Software ที่ยังมีการปรับประมาณการขึ้น

 

มุมมองการลงทุน

Yuanta CIO มีมุมมองเชิงบวกต่อกลุ่ม Technology จาก earnings revision ที่เป็นบวกจาก core business และแนะนำ Overweight Semiconductor และ AI Infrastructure โดยเฉพาะ Memory (Micron, SK Hynix), WFE equipment (KLA, AMAT, LRCX) และ AI Software (MSFT19, ORCL19, PLTR06) พร้อมกองทุน IGV สำหรับกลุ่ม Software ทั้งนี้แนะนำใช้กลยุทธ์ทยอยลงทุนเมื่อปรับฐานมากกว่าไล่ซื้อ เนื่องจาก earnings momentum ที่แข็งแกร่งยืนยันว่า AI Supercycle ยังมีโครงสร้างรองรับในระยะยาว

AI
AI Summary

บทสรุปจาก AI อ้างอิงโดยบทวิเคราะห์

NVIDIA rack power density พุ่งจาก 10–20 kW ในปี 2024 สู่ 600 kW–1 MW+ ในปี 2028 บังคับให้ทั้ง supply chain ต้องเปลี่ยนผ่านสู่สถาปัตยกรรม 800VDC สร้างโอกาสลงทุนตลอดเส้นทาง

ผู้ได้ประโยชน์ครอบคลุม SiC/GaN (Infineon, Onsemi, STMicro), cooling และ power distribution (Vertiv, Delta, Schneider, Eaton) และ grid/backup power (GE Vernova, Cummins, Bloom Energy)

จาก Chip สู่ AI Factory: เมื่อ Power กลายเป็นข้อจำกัดใหม่ในเดือนมิถุนายน 2569

ในเดือนมิถุนายน 2569 Yuanta CIO ชี้ให้เห็นว่าการพัฒนาของ NVIDIA rack ได้ก้าวข้ามขีดจำกัดด้านระบบไฟอย่างมีนัยสำคัญ โดย rack power density เพิ่มขึ้นจากหลักสิบกิโลวัตต์สู่หลายร้อยกิโลวัตต์ในเวลาเพียงไม่กี่ปี ส่งผลให้สายไฟร้อนและสูญเสียพลังงานมากขึ้น ต้องใช้ระบบระบายความร้อนที่ซับซ้อนขึ้น และต้องวางแผนระบบไฟตั้งแต่ต้น AI factory จึงต้องเริ่มที่สถาปัตยกรรมระบบไฟ ไม่ใช่แค่ชิปประมวลผล

NVIDIA Rack Power Roadmap 2024–2028+

Roadmap ของ NVIDIA แบ่งออกเป็น 4 รุ่นชัดเจน ได้แก่ Blackwell/Oberon (2024) ที่ใช้ไฟ 10–20 kW ต่อ rack พร้อมระบบ Air/Early Liquid cooling ตามด้วย Rubin/Oberon (2026) ที่ 100–300 kW ด้วยระบบ Liquid cooling จากนั้น Rubin Ultra/Kyber (2027–2028) ที่ 300–600 kW ด้วย Advanced Liquid cooling และสุดท้าย Feynman/Next-Gen (2028+) ที่ 600 kW–1 MW+ ซึ่งต้องการสถาปัตยกรรม 800VDC Power Architecture แบบสมบูรณ์

NVIDIA Rack Roadmap Power Architecture Evolution

วิวัฒนาการด้านแรงดันไฟฟ้ามีความสำคัญไม่แพ้กัน Blackwell ใช้ 54V internal rack power ขณะที่ Rubin เริ่มต้องการ higher current density จาก rack, Rubin Ultra ต้องการ higher voltage เพื่อลด losses และ Feynman ต้อง integrate power architecture เป็นส่วนหนึ่งของ rack engineering ตั้งแต่ต้น

 

Power Infrastructure Beneficiary Map: ใครได้ประโยชน์จาก AI Rack ที่ใช้ไฟสูงขึ้น

Yuanta CIO จัดกลุ่มผู้ได้ประโยชน์จากการเพิ่มขึ้นของ AI rack power consumption ออกเป็น 3 กลุ่มหลัก ได้แก่ กลุ่มที่ได้ประโยชน์โดยตรง กลุ่มที่ได้บางส่วน และกลุ่มที่ได้รับประโยชน์ทางอ้อม

Power Infrastructure Beneficiary Map by Group

กลุ่ม 1 (direct beneficiaries) ครอบคลุม Cooling, Rack และ Power Distribution ได้แก่ Vertiv, Delta, Modine/Trane/Carrier, Schneider/Eaton และ nVent กลุ่ม 2 (mixed benefit/risk) ครอบคลุม legacy electrical equipment ที่มี transition risk ได้แก่ Schneider Electric, Eaton, ABB และ Legrand กลุ่ม 3 (indirect beneficiaries) ครอบคลุม site power, backup power และ grid ได้แก่ GE Vernova/Siemens Energy (turbine/grid), Cummins/Caterpillar (generator/backup) และ Bloom Energy/Fluence (fuel cell/energy storage)

 

SiC, GaN และ Power Management: Supply Chain Map ตลอดเส้นทางการแปลงไฟ 800VDC

Yuanta CIO วิเคราะห์ว่า AI Rack ที่ใช้ไฟสูงขึ้นดันความสำคัญของ SiC, GaN และ Power Management ตลอดเส้นทางการแปลงไฟ โดยแบ่งออกเป็น 4 ขั้นตอนการแปลงไฟในสถาปัตยกรรม 800VDC

SiC GaN Power Management Supply Chain Map

ขั้นที่ 1 AC→DC Front-End ใช้ SiC เป็นหลัก ขั้นที่ 2 การจ่ายไฟ 800VDC ใช้ SiC/Power Modules ขั้นที่ 3 step-down สู่ 48V/12V Intermediate Bus ใช้ SiC+GaN และขั้นที่ 4 Point-of-Load ใกล้ GPU/CPU ใช้ GaN+Power Management โดย SiC players ที่ถูกระบุ ได้แก่ Infineon, Onsemi, STMicroelectronics, ROHM, Wolfspeed และ Navitas ขณะที่ GaN players ได้แก่ Navitas, Power Integrations, Infineon และ STMicroelectronics และ Power Chip players ได้แก่ MPS, Texas Instruments, Analog Devices, Vicor และ Renesas

 

ผลกระทบต่อสินทรัพย์การลงทุน

  • SiC Power Semiconductors: Infineon, Onsemi, STMicroelectronics, ROHM, Wolfspeed และ Navitas ได้ประโยชน์จากการเป็นส่วนประกอบหลักตลอดเส้นทางการแปลงไฟ 800VDC ทั้ง 4 ขั้นตอน
  • GaN Power Semiconductors: Navitas, Power Integrations, Infineon และ STMicroelectronics ได้รับแรงหนุนจาก intermediate และ point-of-load conversion ที่ต้องการประสิทธิภาพสูง
  • Power Management IC: MPS, Texas Instruments, Analog Devices, Vicor และ Renesas อยู่ในขั้นสุดท้ายที่ใกล้ GPU/CPU มากที่สุด
  • Cooling และ Power Distribution (Direct Beneficiaries): Vertiv, Delta, Schneider/Eaton และ nVent ได้ประโยชน์โดยตรงจากการเพิ่มขึ้นของ rack power density
  • Legacy Electrical Equipment (Mixed): Schneider Electric, Eaton, ABB และ Legrand มีทั้งโอกาสและ transition risk
  • Grid และ Backup Power (Indirect): GE Vernova/Siemens Energy, Cummins/Caterpillar และ Bloom Energy/Fluence ได้รับประโยชน์ทางอ้อมจากการขยายตัวของ AI factory

 

มุมมองการลงทุน

Yuanta CIO ชี้ให้เห็นว่าการเพิ่มขึ้นของ AI rack power density ตาม NVIDIA Roadmap ตั้งแต่ปัจจุบันจนถึงปี 2028+ สร้างโอกาสลงทุนที่กระจายออกไปทั่วทั้ง supply chain ตั้งแต่ Power Semiconductors (SiC และ GaN) ไปจนถึง cooling, electrical equipment และ grid/backup power โดยผู้ได้ประโยชน์ที่ถูกระบุโดยตรงในรายงาน ได้แก่ Vertiv, Delta, Modine/Trane/Carrier, Schneider/Eaton, nVent สำหรับ cooling และ power distribution, Infineon, Onsemi, STMicroelectronics, ROHM, Wolfspeed และ Navitas สำหรับ SiC, Navitas, Power Integrations, Infineon และ STMicroelectronics สำหรับ GaN และ MPS, Texas Instruments, Analog Devices, Vicor และ Renesas สำหรับ Power Management IC ทั้งนี้ Yuanta CIO ไม่ได้ระบุกลยุทธ์การเข้าซื้อเฉพาะเจาะจงสำหรับกลุ่มนี้ในรายงานฉบับนี้

ต้องการดูภาพรวมทั้งสัปดาห์?

เนื้อหานี้เป็นส่วนหนึ่งของบทวิเคราะห์ฉบับเต็มที่ครอบคลุมเนื้อหาทุก asset class

ดูมุมมองเพิ่มเติม

บทวิเคราะห์โดย

Danai Aroonkittichai

Danai Aroonkittichai

CFA

Visakorn Kirivan

Visakorn Kirivan

CFA, PhD

Natakit Karnkriangkrai

Natakit Karnkriangkrai

แชร์